Η μεγαλύτερη σουίτα κοσμικών προσομοιώσεων για εκπαίδευση τεχνητής νοημοσύνης, δωρεάν για λήψη, που ήδη προκαλεί ανακαλύψεις


Η μεγαλύτερη σουίτα κοσμικών προσομοιώσεων για εκπαίδευση τεχνητής νοημοσύνης, δωρεάν για λήψη, που ήδη προκαλεί ανακαλύψεις

Το έργο CAMELS (Cosmology and Astrophysics with MachinE Learning Simulations) συνδυάζει πάνω από 4.000 κοσμολογικές προσομοιώσεις, εκατομμύρια γαλαξίες και 350 terabytes δεδομένων για να αποκρυπτογραφήσει τα μυστικά του σύμπαντος. Πίστωση: Πανεπιστήμιο του Κονέκτικατ

Συνολικά 4.233 προσομοιώσεις σύμπαντος, εκατομμύρια γαλαξίες και 350 terabytes δεδομένων, μια νέα έκδοση από το έργο CAMELS είναι ένας θησαυρός για τους κοσμολόγους. Το CAMELS – το οποίο σημαίνει Cosmology and Astrophysics with MachinE Learning Simulations – στοχεύει να χρησιμοποιήσει αυτές τις προσομοιώσεις για να εκπαιδεύσει μοντέλα τεχνητής νοημοσύνης για την αποκρυπτογράφηση των ιδιοτήτων του σύμπαντος.


Οι επιστήμονες χρησιμοποιούν ήδη τα δεδομένα, που είναι δωρεάν για λήψη, για να ενισχύσει τη νέα έρευνα, λέει ο συν-επικεφαλής του έργου Francisco Villaescusa-Navarro, ένας ερευνητής επιστήμονας με την ομάδα ανάλυσης και προσομοίωσης CMB (Cosmic Microwave Background) του Ιδρύματος Simons.

Ο Villaescusa-Navarro ηγείται του έργου με συνεργάτες ερευνητές στο Κέντρο Υπολογιστικής Αστροφυσικής του Ινστιτούτου Flatiron (CCA) τον Shy Genel και τον Daniel Anglés-Alcázar, ο οποίος είναι επίσης Αναπληρωτής Καθηγητής Φυσικής στο UConn.

«Η μηχανική μάθηση φέρνει επανάσταση σε πολλούς τομείς της επιστήμης, αλλά απαιτεί τεράστιο όγκο δεδομένων για να αξιοποιηθεί», λέει ο Anglés-Alcázar. “Η δημόσια ανακοίνωση δεδομένων CAMELS, με χιλιάδες προσομοιωμένα σύμπαντα που καλύπτουν ένα ευρύ φάσμα εύλογης φυσικής, θα προσφέρει στις κοινότητες σχηματισμού γαλαξιών και κοσμολογίας μια μοναδική ευκαιρία να εξερευνήσουν τις δυνατότητες νέων αλγορίθμων μηχανικής μάθησης για την επίλυση ποικίλων προβλημάτων.”

Η ομάδα CAMELS δημιούργησε τις προσομοιώσεις χρησιμοποιώντας κώδικα που ελήφθη από τα έργα IllustrisTNG και Simba. Η ομάδα CAMELS περιλαμβάνει μέλη και των δύο έργων, με τον Genel να αποτελεί μέρος της βασικής ομάδας του IllustrisTNG και του Anglés-Alcázar στην ομάδα που ανέπτυξε το Simba.

Περίπου οι μισές από τις προσομοιώσεις συνδυάζουν τη φυσική του σύμπαντος με τη φυσική μικρότερης κλίμακας που είναι απαραίτητη για το σχηματισμό γαλαξιών. Καθε εκτελείται με ελαφρώς διαφορετικές υποθέσεις σχετικά με το σύμπαν – για παράδειγμα, σχετικά με το πόσο μέρος του σύμπαντος είναι αόρατη σκοτεινή ύλη έναντι της αποσπώντας το σύμπαν, ή πόση ενέργεια εγχέουν οι υπερμεγέθεις μαύρες τρύπες στον χώρο μεταξύ των γαλαξιών.

Οι ερευνητές σχεδίασαν τις προσομοιώσεις για να τροφοδοτήσουν μοντέλα μηχανικής μάθησης, τα οποία στη συνέχεια θα μπορούν να εξάγουν πληροφορίες από παρατηρήσεις του πραγματικού, παρατηρήσιμου σύμπαντος. Με 4.233 προσομοιώσεις σύμπαντος, το CAMELS είναι η μεγαλύτερη ποτέ σουίτα λεπτομερών κοσμολογικών προσομοιώσεων που έχουν σχεδιαστεί για την εκπαίδευση αλγορίθμων μηχανικής μάθησης.

«Τα δεδομένα θα επιτρέψουν νέες ανακαλύψεις και θα συνδέσουν την κοσμολογία με την αστροφυσική μέσω της μηχανικής μάθησης», λέει ο Villaescusa-Navarro. «Δεν υπήρξε ποτέ κάτι παρόμοιο με τόσες πολλές προσομοιώσεις σύμπαντος».

Το σύνολο δεδομένων CAMELS τροφοδοτεί ήδη ερευνητικά έργα, με ένα ευρύ φάσμα εγγράφων που χρησιμοποιούν τα δεδομένα στα έργα.

Ο Pablo Villanueva-Domingo του Πανεπιστημίου της Βαλένθια στην Ισπανία ήταν επικεφαλής μιας τέτοιας εργασίας. Αυτός και οι συνάδελφοί του αξιοποίησαν τις προσομοιώσεις CAMELS για να εκπαιδεύσουν ένα μοντέλο τεχνητής νοημοσύνης για τη μέτρηση της μάζας του γαλαξία μας του Γαλαξία μας συν το φωτοστέφανο της σκοτεινής ύλης που το περιβάλλει και τον κοντινό γαλαξία της Ανδρομέδας και το φωτοστέφανό του. Οι μετρήσεις – οι πρώτες που έγιναν ποτέ με χρήση τεχνητής νοημοσύνης – έθεσαν το βάρος του γαλαξία μας σε 1 τρισεκατομμύριο έως 2,6 τρισεκατομμύρια φορές τη μάζα του ήλιου. Αυτές οι εκτιμήσεις είναι κατά προσέγγιση σύμφωνες με αυτές που γίνονται με άλλες μεθόδους, αποδεικνύοντας την ακρίβεια της προσέγγισης της τεχνητής νοημοσύνης.

Εν τω μεταξύ, ο Villaescusa-Navarro οδήγησε σε μια προσπάθεια να χρησιμοποιήσει τα δεδομένα CAMELS για να εκτιμήσει την τιμή δύο παραμέτρων που διέπουν τις θεμελιώδεις ιδιότητες του σύμπαντος: ποιο κλάσμα του σύμπαντος είναι η ύλη και πόσο ομοιόμορφα κατανέμεται η μάζα σε όλο το σύμπαν. Πρώτον, αυτός και οι συνάδελφοί του χρησιμοποίησαν το CAMELS για να δημιουργήσουν χάρτες όπως η κατανομή της σκοτεινής ύλης, του αερίου και διαφορετικές ιδιότητες των αστεριών. Στη συνέχεια, χρησιμοποιώντας τους χάρτες, εκπαίδευσαν α εργαλείο που ονομάζεται νευρωνικό δίκτυο για την πρόβλεψη των τιμών των δύο παραμέτρων.

“Αυτό είναι το ίδιο είδος αλγορίθμου που χρησιμοποιείται για να πει τη διαφορά μεταξύ μιας γάτας και ενός σκύλου από τα εικονοστοιχεία μιας εικόνας”, λέει ο Genel, ο οποίος συνέγραψε την εργασία. «Το ανθρώπινο μάτι δεν μπορεί να προσδιορίσει πόση σκοτεινή ύλη υπάρχει σε μια προσομοίωση, αλλά ένα νευρωνικό δίκτυο μπορεί να το κάνει αυτό».

Τα αποτελέσματα έδειξαν την υπόσχεση της μόχλευσης της CAMELS για την ακριβή εκτίμηση τέτοιων παραμέτρων στο μέλλον με βάση νέες παρατηρήσεις του , λέει ο Villaescusa-Navarro.

«Είναι συναρπαστικό να βλέπουμε ποιες άλλες νέες ανακαλύψεις θα επιτρέψει αυτό», λέει.


Η μηχανική μάθηση επιταχύνει τις κοσμολογικές προσομοιώσεις


Παραπομπή: Η μεγαλύτερη σουίτα κοσμικών προσομοιώσεων για εκπαίδευση τεχνητής νοημοσύνης, δωρεάν για λήψη, ήδη υποκινούμενες ανακαλύψεις (2022, 7 Ιανουαρίου) ανακτήθηκε στις 7 Ιανουαρίου 2022 από τη https://phys.org/news/2022-01-largest-cosmic-simulations-ai -free.html

Αυτό το έγγραφο υπόκειται σε πνευματικά δικαιώματα. Εκτός από κάθε δίκαιη συναλλαγή για σκοπούς ιδιωτικής μελέτης ή έρευνας, κανένα μέρος δεν μπορεί να αναπαραχθεί χωρίς τη γραπτή άδεια. Το περιεχόμενο παρέχεται μόνο για ενημερωτικούς σκοπούς.



Source link

By koutsobolis

koutsobolis.com

Αφήστε μια απάντηση

Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *